Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelo Semifísico de Base Fenomenológica del Proceso Continuo de Fermentación Alcohólica Ortega
Vol. 27(1), 21-32 (2016)
doi: 10.4067/S0718-07642016000100004
Recibido Jul. 7, 2015; Aceptado Jul. 27, 2015; Versión final Oct. 6, 2015, Publicado Feb. 2016
Resumen
Este trabajo presenta la construcción de un modelo semifísico de base fenomenológica del proceso
continuo de fermentación alcohólica con Saccharomyces cerevisiae. La estructura del modelo es obtenida
por los principios de conservación de masa y energía aplicados al proceso. Los parámetros del modelo
fueron obtenidos por aplicación de las ecuaciones de fenómenos de transporte y cinética de los procesos
microbianos. El modelo tiene en cuenta las inhibiciones por concentración de biomasa, concentración de
sustrato y concentración de producto. Adicionalmente tiene en cuenta el efecto de la temperatura sobre
los parámetros asociados al metabolismo de la levadura. La simulación y la validación muestran que el
modelo obtenido puede predecir de forma satisfactoria el comportamiento dinámico del proceso
estudiado.
INTRODUCCIÓN
Los bioprocesos son el fundamento de muchas industrias de alimentos, químicas y farmacéuticas. Estos
hacen uso de células o partes de ellas, para manufacturar nuevos productos, destruir desechos peligrosos,
entre otras labores. El uso de microorganismos para transformar materiales biológicos tiene su origen en la
antigüedad y desde entonces los bioprocesos han sido desarrollados para enorme variedad de productos
comerciales, desde materiales relativamente económicos tales como alcohol industrial, levaduras y
solventes orgánicos, hasta sustancias muy costosas como los antibióticos, enzimas y vacunas (Doran,
2013; Dutta, 2008). Debido a la enorme importancia de los bioprocesos en el mundo contemporáneo, los
investigadores se plantean la necesidad de mejorarlos, para lo cual requieren de modelos matemáticos que
describan con gran nivel de exactitud lo que está pasando en el proceso. Una vez definidos los modelos,
que pueden ser utilizados para describir el proceso de producción bajo diferentes condiciones de proceso,
tales como temperatura, pH, aireación y mezcla. Los modelos matemáticos pueden facilitar la reducción de
experimentación innecesaria, la reducción de los costes del proceso y aumentar la calidad del producto, y se
han utilizado en la comprensión y la mejora de los sistemas biológicos, así como en la optimización y control
automático de los bioprocesos (Dodić et al., 2012; Koutinas et al., 2012).
Con el aumento del interés en la aplicación industrial de la fermentación alcohólica, se han examinado
varios modelos cinéticos para el crecimiento microbiano, la formación de producto y consumo de sustrato,
encaminadas a mejorar la productividad en términos de etanol, ya que este metabolito es muy codiciado en
la industria debido a su amplio uso comercial. Dentro de estas propuestas de modelos sobresalen los
Modelos Semifísicos de Base Fenomenológica, los cuales han logrado describir los fenómenos que suceden
en la fermentación (Dodić et al., 2012; Ribas et al., 2011; Gómez et al., 2008; Duarte, 1995; Martínez et al.,
1993). Lastimosamente, estas propuestas dejan a un lado algunas dinámicas que pueden ser
fundamentales en el diseño de sistemas de control y los modelos que representan la cinética microbiana no
incluyen efecto inhibitorio por concentración de producto, por concentración de sustrato y por efecto de la
temperatura. Por lo tanto, en la presente propuesta se incluyen las dinámicas de temperatura del fluido
utilizado para controlar la temperatura del fluido en el tanque y se adicionan los efectos inhibitorios que no
tienen en cuenta otras propuestas de modelado de la fermentación alcohólica.
Este trabajo propone un Modelo Semifísico de Base Fenomenológica (MSBF) del proceso continuo de
fermentación alcohólica con Saccharomyces cerevisiae. Inicialmente se presenta el MSBF del proceso
continuo de fermentación alcohólica obtenido aplicando los diez pasos de la metodología de Álvarez et al.
(2009). Luego se muestran los resultados de simulación del modelo y se discute su validación cualitativa. Se
termina con la sección de conclusiones y las referencias.
Un MSBF se dice que es de base fenomenológica porque toma su estructura de los balances de materia,
energía y cantidad de movimiento del proceso y es semifísico porque adiciona a la estructura ecuaciones
empíricas para varios de sus parámetros llamadas ecuaciones constitutivas (Álvarez et al., 2009). El
planteamiento de MSBF en los bioprocesos debe su importancia a que aún existen fenómenos que no están
totalmente explicados, por ejemplo el estrés de una célula con respecto a una variación de su medio
ambiente, ya sea por pH, temperatura o gradiente de velocidad, recurriéndose al empirismo para obtener
ecuaciones matemáticas que permitan predecir estos cambios. A continuación, se plantea un Modelo
Semifísico de Base Fenomenológica del proceso continuo de fermentación alcohólica aplicando los diez
pasos de la metodología de Álvarez et al. (2009).
El modelo contestará la pregunta: ¿Cómo cambia la producción de etanol a la salida del fermentador, ante
cambio en las variables externas como el caudal, temperatura y concentración de glucosa en la corriente de
entrada del fermentador?
Objetivo del modelo. Predecir dinámicas de volumen, concentración de glucosa, concentración de biomasa,
concentración de etanol y temperaturas en el fermentador y en la chaqueta. Con esta información, el modelo
podrá usarse en el control, en el escalado y optimización del proceso de fermentación.
Hipótesis del modelo. El proceso de fermentación alcohólica se realiza por la metabolización de la glucosa
por la levadura Saccharomyces cerevisiae para producir etanol como metabolito principal. La velocidad de
crecimiento de la levadura se representa por un modelo cinético con efecto inhibitorio de concentración de
sustrato, concentración celular y de concentración de producto. La velocidad de formación de etanol se
asocia al crecimiento celular y puede ser expresada por la ecuación de Luedeking-Piret (Clarke, 2013;
Ccopa et al., 2006). Durante el metabolismo de la levadura se genera calor, el cual es retirado por un fluido
de enfriamiento por el mecanismo de la convección de calor.
Supuestos del modelo: El jarabe posee sólo glucosa como fuente de carbono; se garantiza mezcla perfecta
dentro del tanque; el CO2 liberado desplaza el O2 residual al inicio de la fermentación; las células y el caldo
pueden considerarse una sola fase líquida; el etanol es despreciable en la corriente gaseosa de salida; los
parámetros asociados con propiedades de los fluidos (densidad, viscosidad absoluta y calor específico) son
constantes; la masa del gas-vapor retenida es muy pequeña comparada con el líquido; el equilibrio térmico
entre las fases es rápido; el pH es constante durante el proceso con un valor de 4 (pHóptimo); debido a que el
tamaño de una levadura es menor de 10 micrómetros, no se considera muerte por estrés hidrodinámico
(Trujillo y Valdez, 2006).
Se definen tantos Sistemas de Proceso (SdeP) sobre el proceso que se modelará como lo exija el nivel de
detalle y representar la relación de todos los SdeP en un diagrama de bloques.Como el modelo será de
carácter macroscópico, se pueden tomar dos sistemas de proceso: 1. Fluido contenido en la chaqueta y 2.
Líquido dentro del reactor. Como se observa en la Fig. 2, la interacción entre los dos SdeP es energética y
se da a través de la transferencia de calor entre el líquido en el fermentador y el agua de enfriamiento
contenida en la chaqueta.
Paso 4. Aplicar el principio de Conservación sobre cada uno de los sistemas de proceso.
Sistema de Proceso I:
dVw
ρw =ρw V̇ -ρw V̇ wout (1)
dt win
Como la densidad es considerada constante y no hay acumulación de masa en la chaqueta, la ecuación (1)
se reduce a una ecuación algebraica:
dTw 1
= [ρ c V̇ (T -T )+Q̇ intercambio ] (3)
dt ρw cpw Vw w pw win win w
dV
ρ =ρV̇ in -ρV̇ out (4)
dt
dX 1 dV
= (X V̇ -XV̇ out +Vrx -X ) (5)
dt V in in dt
dS 1 dV
= (Sin V̇ in -SV̇ out -Vrs -S ) (6)
dt V dt
dP 1 dV
= (-PV̇ out +Vrp -P ) (7)
dt V dt
dT 1 dV
= [ρcp V̇ in (Tin -Tref )-ρcp V̇ out (T-Tref )-ρcp (T-Tref ) +Q̇ gen -Q̇ intercambio +Q̇ agitador ] (8)
dt ρcp V dt
Paso 5. Seleccionar de las EDB aquellas con información valiosa para cumplir con el objetivo del modelo.
Todas las EDB desde (3) a la (8) son importantes y son las que brindan toda la información sobre la
dinámica de interés del proceso.
Paso 6. Definir para las EDB esenciales, los parámetros, variables y constantes conocidas en cada SdeP.
(i) Parámetros. Los parámetros que requieren ecuaciones constitutivas para su cálculo están ligados a la
cinética del proceso (rx, rs, rp, Q̇ gen ), al flujo de calor intercambiado con la chaqueta (Q̇ intercambio ) y a la
potencia suministrada por el agitador que se disipa en energía calórica (Q̇ agitador ); (ii) Estados. S, X, P, T, Tw,
V; (iii) Variables de entrada (acciones de control o perturbaciones).Sin, Xin, Tin, Twin, V̇ win, V̇ in; y (iv)
Constantes. La densidad y el calor específico de los fluidos en el biorreactor y en la chaqueta, que se
asumen que varían poco con los cambios de concentración y temperaturas de operación. El volumen de la
chaqueta.
Se refiere a encontrar las ecuaciones que permitan calcular el mayor número de parámetros en cada
Sistema de Proceso. Para la velocidad de crecimiento celular: Se utiliza una cinética que contiene efectos
inhibitorios de concentración de sustrato, concentración de producto y concentración de biomasa (Clarke;
2013; Akpa, 2012; Alt y Markov; 2012; Dodić et al., 2012; Tian et al., 2011; Ccopa et al., 2006; Schügerl y
Bellgardt, 2000):
S -k S X m P n
rx =μmax e i (1- ) (1- ) X-Kd X (9)
ks +S Xmax Pmax
Para la velocidad de producción de etanol: Se considera que la producción de etanol se debe al crecimiento
junto con el mantenimiento del microorganismo, este fenómeno se describe por la ecuación de Luedeking-
Piret (Liu, 2013; Ccopa et al., 2006; Schügerl y Bellgardt, 2000):
rx
rs = +mx X (11)
Yx
De acuerdo a la descripción de las ecuaciones (9)-(11), hay 12 parámetros que tienen que ser estimados,
dentro de los cuales hay cinco parámetros dependientes de la temperatura, μ max, Xmax, Pmax, Yx y Ypx , y esta
dependencia puede ser descrita por la ecuación (12):
B⁄ D
Parámetro(T)= Ae T +Ce ⁄T (12)
Parámetro A B C D
Para la potencia de agitación: Para el cálculo de la potencia de agitación se utiliza la ecuación (13), la cual
está definida para valores de Re (D2i ρN/μ) mayores a 10000. Esta potencia se considera que se transforma
Para la transferencia de calor: La velocidad de transferencia de calor entre el fluido del biorreactor y el fluido
de la chaqueta es:
Para el cálculo del Coeficiente Global de Transferencia de Calor, se utiliza la expresión de “circuito
equivalente” de resistencias entre la chaqueta y el fluido en el interior del biorreactor:
1
U= 1 e 1 (15)
+ +
hi kmetal he
Para calcular los valores de los coeficientes convectivos de la ecuación (15) se utilizan las ecuaciones
descritas en (16) y (18). Estas ecuaciones dependen de relaciones entre parámetros de diseño y de la
geometría del biorreactor, las cuales están debidamente reportadas en Mohan et al. (1992) y Katoh y
Yoshida, (2009), por tanto no serán mencionadas en este trabajo, al lector interesado se invita a
consultarlas.
Coeficiente convectivo de calor externo (chaqueta) (Mohan et al., 1992): La chaqueta se puede considerar
como un ánulo que tiene un diámetro equivalente (De ).
De vρw
Para valores de Re ( ) mayores a 10000, el coeficiente convectivo se puede estimar por la ecuación
μw
(16):
0.68 0.14
he De De vρw cpw μw 1/3 μw
=0.81 ( ) ( ) ( ) (16)
kw μw kw μwwall
Para valores de Re menores a 2100, el coeficiente convectivo se puede estimar por la ecuación (17):
1/3 0.14
he De De vρw cpw μw 1/3 De μ
=1.86 ( ) ( ) ( )( w ) (17)
kw μw kw L μwwall
Donde:
D22 -D21
De = (18)
D1
Coeficiente convectivo de calor interno (superficie lateral interna del tanque), (Katoh and Yoshida, 2009):
Di 2 ρN
Para 40<Re= < 300000, el coeficiente convectivo se puede estimar por la ecuación (19):
μ
2⁄
1⁄ 0.14
hi DT Di 2 ρN 3
cp μ 3 μ (19)
=0.54 ( ) ( ) ( )
k μ k μwall
Para el flujo de salida (Smith y Corripio, 1997): El flujo de salida se puede estimar por la expresión que
representa el flujo a través de una válvula:
GL = #Ecuaciones - # Incógnitas. El MSBF final está constituido por las ecuaciones diferenciales (3)-(8), y
las ecuaciones constitutivas (9)-(11), (13), (14), (20) y (21). El modelo contiene 13 incógnitas: los estados X,
S, P, T, Tw y V; los flujos de calor representados en Q̇ agitador , Q̇ gen , Q̇ intercambio ; las velocidades 𝑟𝑥 , 𝑟𝑠 y 𝑟𝑝 y el
̇ ).Con lo cual se puede decir que el modelo es coherente y con GL=0.
flujo de salida del biorreactor (𝑉𝑜𝑢𝑡
La resolución de las ecuaciones diferenciales y algebraicas simultáneas se hizo con Matlab 2014a®, usando
el método de resolución de Runge-Kutta con paso de 0.01h. Las diferentes condiciones para la simulación
se determinaron buscando que ayudaran en la validación del modelo, tal y como se discute en la siguiente
sección.
Se realiza la simulación del modelo definiendo algunas características de diseño: tipo de tanque, volumen y
diámetro del tanque, cantidad y tipo de deflectores, tipo, tamaño y velocidad del agitador. Se definen
además el tipo de enfriamiento y otras características.
Para realizar la simulación del modelo, se tomaron las siguientes características de diseño: Tanque
3
cilíndrico de lote cuadrado con volumen de líquido en estado estacionario de 1m , diámetro del tanque de
1.08 m, con 4 deflectores de 0.09 m de ancho, un agitador tipo turbina de 0.3613 m de diámetro girando a
3
60 rpm. La chaqueta del tanque tiene un volumen de 0.3329 m donde fluye agua de enfriamiento a 25 °C y
5/2
un diámetro equivalente de 0.3436 m. La válvula de salida tiene un 𝐶′𝑣 de 0.1921 m /s. El resto de los
parámetros utilizados en las simulaciones se presentan en la Tabla 2 (Ribas et al., 2011; McCabe et al.,
2007; Ccopa et al., 2006).
Parámetro ks ki Kd mp mx m n ∆HR Np
Valor 4.1 0.002 0.0018 0.1 0.2 1 1.5 557330 6
Con el modelo totalmente identificado, se realizaron varias simulaciones en Matlab. La Fig. 3 muestra el
resultado para una fermentación que se realiza en 72 horas. Se inicia la simulación con las siguientes
3
condiciones iniciales: Tasa de dilución (D) de 0.2 /h, un valor de biomasa X= 5 kg/m , un valor de sustrato
3 3
S=150 kg/m . La concentración del sustrato a la entrada es Sin= 150 kg/m con una temperatura de entrada
T=30°C. El comportamiento mostrado por el modelo es típico de los procesos continuos de fermentación
reales, en el cual se tiene un sustrato que se consume para obtener un producto con crecimiento de
biomasa y existen dinámicas rápidas de temperaturas de los fluidos dentro del tanque y en la chaqueta
como consecuencia del calor producido por la fermentación y retirado por el fluido de servicio para
enfriamiento (Ccopa et al., 2006; Schügerl y Bellgardt, 2000).
3
Si se realiza una perturbación tipo escalón en la concentración de sustrato a un valor de 300 Kg/m a las 10
h de iniciado el proceso, se obtiene el resultado mostrado en la Fig. 4. Se observa que la concentración de
biomasa disminuye al igual que la concentración de producto, lo que implica que una cantidad apreciable
del sustrato no se consume, este fenómeno se presenta por el efecto de inhibición por sustrato, el cual es
descrito en la ecuación (9).
CONCLUSIONES
El modelo contempla acercamientos al proceso real como son las inhibiciones por biomasa, sustrato y
producto, y efectos de la temperatura sobre los parámetros asociados al metabolismo de la levadura.
Se logró el objetivo del modelo, como lo demostraron la simulación y la validación cualitativa: predecir las
dinámicas de volumen, concentración de sustrato (glucosa), concentración de biomasa (Saccharomyces
cerevisiae), concentración de producto (etanol) y temperatura en el fermentador y en la chaqueta.
NOTACIÓN
2 3
A: Área de transferencia de calor [m ] rs : Velocidad de consumo de sustrato [Kg/(m s)]
3
cp : Calor específico del caldo de rx : Velocidad de formación de biomasa [Kg/(m s)]
fermentación [J/(Kg K)]
cpw : Calor específico del fluido en la chaqueta S: Concentración de sustrato en el biorreactor
3
[J/(Kg K)] [Kg/m ]
C'v: Coeficiente de la válvula en la salida Sin: Concentración de sustrato a la entrada al
5/2 3
[m /s] biorreactor [Kg/m ]
De : Diámetro equivalente de la chaqueta [m] T: Temperatura en el caldo de fermentación [K]
Di : Diámetro del agitador [m] Tin : Temperatura en la entrada al biorreactor [K]
DT : Diámetro del biorreactor [m] Tout : Temperatura a la salida del biorreactor [K]
D1 : Diámetro interno de la chaqueta [m] Tref : Temperatura de referencia [K]
𝐷2 : Diámetro externo de la chaqueta [m] Twin : Temperatura en la entrada a la chaqueta [K]
e: Espesor metálico del biorreactor [m] Twout : Temperatura a la salida de la chaqueta [K]
REFERENCIAS
Akpa, J., Modeling of a bioreactor for the fermentation of palmwine by Saccaharomyce cerevisiae (yeast)
and lactobacillus (bacteria). American Journal of Scientific and Industrial Research: 3(4), 231-240 (2012)
Alt, R. y Markov, S., Theoretical and computational studies of some bioreactor models. Computers and
Mathematics with Applications: 64, 350-360 (2012)
Álvarez, H. y otros tres autores, Metodología para la Obtención de Modelos Semifísicos de Base
Fenomenológica Aplicada a una Sulfitadora de Jugo de Caña de Azúcar. Revista Iberoamericana de
Automática e Informática Industrial: 6(3), 10-20 (2009)
Ccopa, E. y otros cinco autores, Evaluation of optimization techniques for parameter estimation: Application
to etanol fermentation considering the effect of temperature. Process Biochemistry: 41, 1682-1687 (2006)
Clarke, K., Bioprocess engineering. An introductory engineering and life science approach. Wood head
Publishing, Cambridge, UK (2013)
Dodić, J. y otros cinco autores, Kinetic modelling of batch ethanol production from sugar beet raw juice.
Applied Energy: 99,192-197 (2012)
Doran, P., Bioprocess Engineering Principles. Second edition. Academic Press. Oxford, Reino Unido (2013)
Duarte, A., Introducción a la ingeniería bioquímica. Universidad Nacional, Facultad de Ingenierías. Bogotá,
Colombia (1995)
Dutta, R.,Fundamentals of Biochemical Engineering. Springer-Ane Books India. Nueva Delhi, India (2008)
Gómez, C., Calderón, Y. y Álvarez, H., Construcción de modelos semifísicos de base fenomenológica. Caso
proceso de fermentación. Revista Facultad de Ciencias Agropecuarias: 6(2), 28-39 (2008)
Katoh, S. y Yoshida, F., Biochemical Engineering. A Textbook for Engineers, Chemists and Biologists.
WILEY-VCH. Weinheim, Alemania (2009)
Koutinas, M. y otros tres autores, Bioprocess systems engineering: transferring traditional process
engineering principles to industrial biotechnology. Computational and structural Biotechnology Journal: 3(4),
1-9 (2012)
Liu, S., Bioprocess engineering. Kinetics, biosystems, sustainability, and reactor design. Elsevier.
Amsterdam, Holanda (2013)
Martínez, L. y otros tres autores, Fermentación etanólica continua anaeróbica con Saccharomyces
cerevisiae resistentes al alcohol. Anales de química: 89 (5-6), 579-583 (1993)
McCabe, W., Smith, J. y Harriot, P., Operaciones Unitarias en Ingeniería Química. McGraw-Hill
Interamericana. México D.F., México (2007)
Mohan, P., Emery, A. y Al-Hassan, T., Heat transfer to Newtonian Fluids in mechanically agitated vessels.
Experimental Thermal and Fluid Science: 5(6), 861-883 (1992)
Ribas, M. y otros cuatro autores, Metodología para la modelación matemática de procesos. Caso de estudio,
fermentación alcohólica. ICIDCA. Sobre los derivados de la caña de azúcar: 45(1), 37-47 (2011)
Schügerl, K. y Bellgardt, K., Bioreaction Engineering. Modeling and Control. Springer. Berlín, Alemania.
(2000)
Tian, Y.y otros tres autores, Theoretical approach to modelling and analysis of the bioprocess with product
inhibition and impulse effect. BioSystems: 104, 77-86 (2011)
Trujillo, M y Valdez, N., El estrés hidrodinámico: Muerte y daño celular en cultivos agitados. Revista
Latinoamericana de Microbiología: 48 (3-4), 269-280 (2006)